单一传感模式由于其自身的局限性，无法同时兼顾这些需求。 然而，2025 年的感知技术将迎来全新的发展格局。它将在多个前沿领域展现出令人瞩目的突 破。多模态融合技术，将多种传感器的数据进行深度整合，为环境认知提供更丰富、准确的信息； 超低延迟网络技术，能够实现数据的实时传输，为远程控制和实时反馈提供有力支持；3D 空间 计算技术，将构建出逼真的三维空间模型，为虚拟现实、增强现实等领域带来全新的体验；情感 Multimodal Perception Fusion 一、 技术详解 多模态感知融合，是一种综合性的技术手段，它旨在利用多种类型的传感器，全面采 集来自环境的多源数据，并通过先进的数据融合算法进行深度整合，从而获得比单一传感 器更为准确和全面的环境认知。 在实际应用中，所涉及的传感器种类繁多，包括视觉传感器（如摄像头）、听觉传感 器（如麦克风）、触觉传感器、温度传感器、压力传感器甚至化学传感器等。这些传感器 同步校准则确保不同传感器的数据在时间上保持一致，以便进行准确的融合。噪声抑制则 是去除数据中的干扰信号，提高数据的可靠性。 特征提取与融合算法是多模态感知融合的核心环节。在这个阶段，采用深度学习、 BEV+Transformer 等先进算法，对各通道数据进行特征提取。深度学习算法具有强大的特 征学习能力，能够自动从大量数据中提取出有价值的特征。CNN 擅长处理图像数据，能 够提取出图像中的边缘、纹理等特征；RNN 则在处理序列数据方面表现出色，如语音和

5 企业级智能生产力的内涵与市场机遇 2 企业组织能力建设的三种范式 3 白皮书研究方法 数据来源：沙利文研究 行业访谈 • 与企业级智能生产力行业产业 链各环节头部企业专家进行一 对一深度访谈 • 访谈企业覆盖企业级智能生产 力企业、AI企业、企业培训与 组织成长优化企业等 案头研究 • 沙利文独有的数据库 • 头豹数据平台 • 各类公开资料 • 定量结合定性的方式进行多 定量结合定性的方式进行多 层次多维度研究 白皮书撰写背景及内容摘要 数据来源：沙利文研究 本白皮书定义“企业级智能生产力”，是在工业级AI、大数据与自动化技术的底座之上，将企业的知识资产、岗位技能和业务流程深度智能化，与信息系统和业务链条 全面打通，并通过可信治理框架下的人机协同机制，重塑组织的决策逻辑、运作流程、人才角色与文化基因，使组织具备自我学习、自我进化、自我协同的能力，从而在 效率、质量、创新与韧性上实现持续跃迁的综合性新型生产力。 效率、质量、创新与韧性上实现持续跃迁的综合性新型生产力。 业务 流程 智能化 智能化全链条流程图 知识资产 智能化 • 企业中沉淀的大量文档、 案例、经验、制度，本质 上是“知识资产”； • 深度智能化通过AI进行分 类、检索、生成和推理， 使这些知识实时服务业务 决策与操作。 与信息系统和业 务链条全面打通 • 单靠AI局部优化不够， 必 须 与 现 有 的 ERP 、 CRM、HR系统等对接， 避免“信息孤岛”；

中国联通数智化转型三阶段 3 势在必行 中国联通开展转型评估的核心动因 中国联通已进入数智化转型深水区，面临战略执行穿透、客户极致体验、端到端 畅通运营、数智技术应用、转型价值量化五大核心挑战。深度洞察企业智能化转型中 的深层需求，系统破解转型面临的核心挑战，成为企业突破瓶颈、释放数智潜能的关 键前提。 战略执行穿透不足，资源配置未实现精准匹配。中国联通结合企业自身业务特点， 制定企业 进方向的确定、业务创新场景的选择、组织优化策略的迭代均缺乏决策支撑，让转型 路径陷入模糊，制约转型向纵深推进。 中国联通对我国现行数字化转型国标、行标开展系统性研究，结合对代表性企业 转型实践的深度剖析与经验提炼，创新构建了适用于我国各行业企业的数智化转型成 熟度评估体系，覆盖数智战略引领、数智服务创新、数智运营协同、数智能力支撑、 数智价值五大方面，为企业擘画出一条可量化、可对标、可持续进阶的清晰路径图。 中国联通数智化转型成熟度报告 格物致知 中国联通数智化转型成熟度模型 数智战略作为企业数智化转型的“顶层设计蓝图”与“核心引擎”，通过数智愿景、 数智文化、数智组织人才、数智生态开放四大维度的深度协同，为转型筑牢“方向锚”、 “文化基”、“组织盾”、“生态网”，从全局层面搭建转型的核心框架。其核心支 撑在于两大支柱：一是战略闭环驱动，通过构建“目标—规划—执行”一体化的数智战 略体系，

张 立 院长 目 录 我国未来产业新赛道发展策略研究 中国制造业国际化：趋势、风险及应对 数字经济时代的新质生产力：变革逻辑与培育策略 推动科技创新和产业创新深度融合的路径与对策研究 新能源支撑制造业绿色化路径研究 “十五五”时期推进新型工业化的路径研究 人工智能赋能新型工业化：范式变革与发展路径 航天经济测算体系：国际经验与中国方案 产供链安全风险 尚未根本性解决 产业结构仍需进 生产效率相对较低，部分行业 出现产能过剩，企业效益不高 核心矿产和关键能源对外依存度 较高，关键共性技术自给率、产 业布局合理性还需提高 技术革命性突破正引发产业变革 全球经济复苏面临诸多挑战与不确定性 国际分工进入深度调整阶段 中美博弈或更为激烈胶着 供需失衡制约经济良性循环 国内要素结构发生较大改变 存在问题 “十五五”时期推进新型工业化的路径研究 “十五五”时期推进新型工业化的思路与路径 推动三个融合 优化制造业 国内外布局 推动制造业 绿色低碳 循环发展 建设高效协同 的产业科技 创新体系 培育具有 国际竞争力的 一流企业 科技创新与产业 创新深度融合 信息化与 工业化深度融合 先进制造业与生产 性服务业深度融合 三个 融合 01 02 03 人工智能赋能新型工业化：范式变革与发展路径 推动工业范式实现三大变革 组织管理范式变革 供给和需求 生产制造范式变革

正以系统性重塑者的姿态 ，重新定义保险行业的运行逻辑。它 不再是概念宣讲里的“未来畅想” ，而是通过智能算法、数据洞察 ，深度融入产品设计、服务流程、风险管控 ，实现科技赋能 与保险初心的同频共振。这场变革的底层逻辑 ，是数字技术与金融服务的深度融合。 每一次基于大数据的精准风险定价 ，每一回借助智能交互完成的便捷理赔 ，都在重构大众对保险服务的认知范式。 当 AI 能够比人工更高效识别潜在风险 ，如何在科技效率与人文关怀之间筑牢平衡 支点 ，将成为贯穿保险 AI 时代的核心命题。我们期望行业各方 ，能在数字创新与保障本质的共鸣中 ，寻回保险“守护稳稳幸福” 的初心 ，奔赴对行业高质量发展、对客户美好保障体验的深度追求。 市场规模： 中国保险市场持续扩容 ， 2026 年原保费收入有望突破 6.3 万亿元 ，寿险、财产险、健康险 等均呈增长态势。 科技投入： 保险业科技投入持续高速增长 ， 2025 ，提升运营效率、管理效能 ，优化用户体验。 趋势 1 ：保险业 AI 应用从单点工具性应用向集中化智能体中台转变 ，将从“效率工具 ”向“战略中枢 ” 升级。 趋势 2 ： AI 驱动保险产品与服务深度融合 ，构建跨行业生态网络。 趋势 3 ： AI 在保险风控与合规领域的应用呈现“双面性 ” ，帮助提升反欺诈效率与风险定价精度， 同 时带来合规挑战。 摘要 保险行业 AI 应用场景

模型预测 • 分词、 word2vec • 词法、句法 • 词性标注、命名实体识别 资源管理 / 任务调度接口 应用组件 API • 模板式组件构建 • 拖拽式功能组合 • 多维度效果分析 深度学习算法库 CNN 、 RNN Attention 、 Multitask AutoEncoder 、 ResNet 、 GAN 经典机器学习算法库 K-means 、 AP 、 LAD 出行交通 教育消费 电商零售 电信政企 智能告警 高可扩展 节点容灾 可视监控 前人工智能时代 搜索技术 + NLP 本体技术：关键词模板 追一技术优势：搜索技术 +NLP+ 深度学习 + 强化学习 代表着企业或者机构 严肃、负责 垂直单一领域，深入掌握领域内知识 N 个垂直领域的客服机器人，难度也很高 知识主要来源于人工客服 极高，问答需要足够精准，代表着企业形象 极高，问答需要足够精准，代表着企业形象 代表一个虚拟人物、助手 娱乐、风趣 全领域，每个领域需涉及 但仅需要有普遍较浅的知识，不需要深入 互联网知识、闲聊社交数据 较低，不会回答可以插诨打科， 反显风趣 后人工智能时代 深度学习 + 强化学 习 关键词 模板

的应用与创新。 央国企的 AI 规划通常较为全面，涵盖算力、模型、各类平台以及应用场景的全方位布局，且 投入规模较大。出于技术创新、研发投入以及安全可控等多方面诉求，央国企往往选择与技术 厂商深度合作，共同打造定制化的大模型。例如，中国石油的“昆仑大模型”、中国绿发的 “泰山大模型”以及中国移动的“九天大模型”等，均是央国企在大模型领域的创新实践典 范。 | 景落地难度较低，但价值也相对有 限，属于大模型应用的“浅水区”。“X”则代表行业特定的业务场景，例如煤炭行业的勘探、电力 行业的设备巡检、运营商行业的宽带报修等。这些场景通常需要央国企与技术厂商深度共创，落地 难度较大，但潜在价值较高，属于大模型应用的“深水区”。 在 2023 年和 2024 年，央国企主要聚焦于推进“N”类场景的落地，同时也在探索“X”类场景的 应用，但进展相对缓慢 获取推理能力，并将其“复制”到自 有模型上，快速提升模型的业务适配性。 l 技术路径参考与自主构建：央国企可参照 DeepSeek 公开的技术路径，从头构建思维链数据， 并通过微调、强化学习等方式改造自有模型，实现深度定制化。 l 定制化合作：未来，若 DeepSeek 提供定制化服务，央国企可直接与 DeepSeek 合作，对自身 大模型进行针对性改造，加速“深水区”场景的落地。 | 2024

在当今快速发展的商业环境中，人力资源管理的效率和精准度 直接影响企业的竞争力和创新能力。随着人工智能技术的不断进 步，特别是深度学习和大数据分析技术的成熟，企业有了更多工具 来优化其人力资源管理流程。其中，利用深度探索（DeepSeek） 技术进行岗位推荐的方案，正逐渐成为人力资源技术创新的一个重 要方向。 深度探索技术通过分析海量的员工数据和职位信息，能够精准 预测和推荐最适合的岗位人选，这不仅提高了招聘的效率，还能显 率，还能显 著提升员工与岗位的匹配度。这种技术通过以下几个关键维度来实 现优化：  数据整合与分析：整合来自不同渠道的员工绩效数据、技能评 估、职业发展历史等，通过深度学习算法分析这些数据，以实 现更精准的人才预测。  实时反馈机制：在员工申请或参与岗位变动时，系统能够实时 提供反馈和推荐，帮助员工做出更合适的职业选择。  预测模型的优化：通过持续的数据训练和模型调整，不断提升 这种技术的应用，不仅能够帮助企业快速响应市场变化，优化 人才配置，还能够增强员工的工作满意度和忠诚度，从而构建更加 稳固和高效的人力资源体系。此外，随着技术的进一步发展和应 用，深度探索岗位推荐的潜力将更大，其在提升人力资源管理效率 方面的作用也将更加明显。因此，结合深度探索技术的人力资源管 理方案，是企业提升核心竞争力的一个重要策略。 1.1 背景介绍 在当前快速发展的科技时代，人力资源管理的效率和精准度对 企

作流程的革命。同时，健全的指标体系如 同企业的神经网络，将战略目标与操作执行有机连接，催动管理层与业务一线的深度协同。现代企业的成功不再依赖于 单点突破，而需要全链条、全要素的协同优化，数据驱动的指标体系成为实现这一目标的核心抓手。在数据治理端，企 业需要注重实时技术与规范管理的深度融合，让流动的数据焕发出更大价值。在瞬息万变的市场环境中，数据的时效性 往往决定着决策的有效性。从数据产生到 "-- 业务人员无需掌握复杂的技术语言，即可快速构建应用，这种技术民主化将释放出巨大的创新潜能。 然而，技术终究是手段，人才才是数智化转型的核心驱动力。新时代的数智化人才需要具备跨界融合能力，既要深度理 解业务逻辑，又要熟练运用数字化工具，更要拥有数据思维和创新意识。 帆软数据应用研究院基于最新的洞察，在本白皮书中将深入探讨这些变革背后的逻辑与实践，为企业数智化转型提供 可行的路径参考，期 据资产化 我们发现一些进行了数据资产入表的企业使用了帆软产品进行数据的应用，并最终实现了数据的资产化。 06 企业数智应用白皮书 FineReport 和 FineBI 的趋势预测、警戒预警、深度分析和可视化展示功能全方面促进数据应用 充分应用数据才能最大化数据的价值。集装箱公司组建了数据应用团队，负责对所获数据的计算分析与展示应用，并参 与后续数据相关的决策行动。基于帆软的 FineReport

不解决问题 自然交互 多轮会话 • QABot • 单轮会话 • 上下文无 关 • • • • > 将对话系统技术融入在线客服体系 > 综合利用语义分析技术、大数据技 术以及深度学习技术 > 由过去单一售后服务变为贯穿售前 售中售后全客户服务周期 > 智能客服机器人是下一代客服的核 心驱动力 1.3 智能客服机器 人 语义识别机器人 简单检索机器人 场景导向机器人 米线里有苍蝇，很恶心 > 理解用户的问题 > 综合利用搜索技术、翻译技术、图谱技术、深度学习和统计学习技术 2.4.1 语义识 别 餐品有质量问题 > 利用模型模拟人的处理过程 > 综合应用了搜索、机器翻译、 深度学习以及统计学习相关 技术 > 模型具有良好的迁移性 2.4.2 语义识别流 程 识别 技术 深度 学习 短语 翻译 图谱 意图 实例 匹配 > 拓展问与标准问的并行数据作为训练语料 Top20 准确率： 99.76% 2.4.3 基于匹配的识 别 2.4.4 基于短语翻译的识 别 短语对齐 2.4.5.1 基于深度模型的识别 -- DSSM 配送超时催单 餐品有质量问题 我的外卖怎么还没到 0.98 0.62 2.4.5.2 基于深度模型的识别 -- Seq2Seq Sequence Loss 超时 配送 催单 Attention State Loss=0